RegEx，Notepad ++替换/删除多个值

Question

我有这个数据集:(约10k次）

<Id>HOW2SING</Id>
<PopularityRank>1</PopularityRank>
<Title><![CDATA[Superior Singing Method - Online Singing Course]]></Title>
<Description><![CDATA[High Quality Vocal Improvement Product With High Conversions.     Online Singing Lessons Course Converts Like Crazy Using Content Packed Sales Video. You Make 75% On Every Sale Including Front End, Recurring, And 1-click Upsells!]]></Description>
<HasRecurringProducts>true</HasRecurringProducts>
<Gravity>45.9395</Gravity>
<PercentPerSale>74.0</PercentPerSale>
<PercentPerRebill>20.0</PercentPerRebill>
<AverageEarningsPerSale>74.9006</AverageEarningsPerSale>
<InitialEarningsPerSale>70.1943</InitialEarningsPerSale>
<TotalRebillAmt>16.1971</TotalRebillAmt>
<Referred>75.0</Referred>
<Commission>75</Commission>
<ActivateDate>2011-06-23</ActivateDate>
</Site>

我正在尝试执行以下操作：

从标记中获取数据，并使用它来创建URL，因此在此示例中应该生成

http://www.reviews.how2sing.domain.com

此外，所有其他数据都必须去，我想执行一个REGEX功能，它只会给我一个URLS列表。

我更喜欢用notepad ++来做，但我在正则表达式上很糟糕，任何帮助都会很好看

Answer 1

为了保持正则表达式相对简单，你可以使用：

.*?<id>(.+?)</id>

替换为：

http://www.reviews.\1.domain.com\n

这将搜索并替换Id标记和前一文本的所有实例。然后，您可以手动删除最后一个。

确保选中matches newline。

正则表达式是直截了当的，只是稍微有点棘手的部分是它使用非贪婪的+?和*?。这可以防止整个文件匹配。 ()表示替换中使用的捕获组，即\1。

如果您想要包含替换最后一部分的正则表达式，请使用：

.*?(?:(<id>)?(.+?)</id>).+?(?:<id>|\Z)

这有点棘手，它使用：

• ?:。非捕获组。
• |或
• \Z文件结尾

基本上，第一次匹配所有内容直到第一个</id>的结尾，并替换为包含下一个<id>。之后它将替换起始<id>，因此</id>之前的所有内容都会进入组中。在最后一场比赛中，它将匹配文件\Z的结尾。

Answer 2

如果您只想要Id值，则可以执行以下操作：

'<Id>([^<]*)<\/Id>'

然后，您可以获取第一个捕获的组\1，它是Id文本值，然后从中创建一个链接。

这是一个演示：

http://regex101.com/r/jE9qN8

[UPDATE]

要删除所有其他行，请匹配此正则表达式：'.*<Id>([^<]*)<\/Id>.*'并替换为首先捕获的组\1。请注意正则表达式匹配，因为有多行，您需要激活DOTALL或/s标记以匹配换行符。

希望有所帮助。